#151 Räumliche Indexstrukturen: Grundpfeiler in Geo-Systemen, Games und Machine Learning

Mit Hilfe von Spatial Index-Strukturen einen schnellen Zugriff
auf Geodaten gewährleisten


Die Welt ist groß und wird weiter digitalisiert. Um alles
Auffindbar und durchsuchbar zu machen, werden Geodaten von alles
und jedem festgehalten: Nicht nur Längen- und Breitengrade (wenn
es sich um die Erde handelt), sondern auch Höhe bzw. Tiefe, Zeit
und etliche andere Metadaten. Diese Art von Daten nennen sich
Spatial-Data oder auch Geospatial-Data.


Um in großen Datenmengen einen schnellen Zugriff zu
gewährleisten, verwenden Softwaresysteme, wie zB Datenbanken,
Indexstrukturen, auch Indizes, genannt. Eine zusätzliche Form der
Speicherung durch die Nutzung hoch optimierter
Datenstrukturen. 


Welche Indexstrukturen werden eigentlich bei Geospatial-Daten
genutzt? Das ist das Thema dieser Episode. Wir sprechen über die
Anwendungsfälle von Geospatial-Data, warum eine klassische
Struktur wie ein B-Baum nicht für diese Art von Daten geeignet
ist, was Gridfiles, Quadtrees, KD-Trees, R-Trees und Geohashing
ist und wie diese funktionieren, ob all dies selbst implementiert
werden muss oder wir auf bereits existierende Datenbanksysteme
zurückgreifen können und klären, was der Fluch der
Dimensionalität ist und was dies mit dem Thema AI zu tun hat.


Bonus: MongoDBs Marketing-Initiative auf Basis von
Spatial-Index-Strukturen.





Unsere aktuellen Werbepartner findest du auf
https://engineeringkiosk.dev/partners





Das schnelle Feedback zur Episode:


(top)  (geht
so)





Feedback


EngKiosk Community:
https://engineeringkiosk.dev/join-discord 

Buy us a coffee: https://engineeringkiosk.dev/kaffee

Email: stehtisch@engineeringkiosk.dev

LinkedIn: https://www.linkedin.com/company/engineering-kiosk/

Mastodon: https://podcasts.social/@engkiosk

Twitter: https://twitter.com/EngKiosk

Links

Fluch der Dimensionalität:
https://de.wikipedia.org/wiki/Fluch_der_Dimensionalit%C3%A4t

R-Trees: A Dynamic Index Structure for Spatial Searching
(1984):
http://www.sai.msu.su/~megera/postgres/gist/papers/gutman-rtree.pdf 

R-Baum Splitstrategien:
https://www.dbs.ifi.lmu.de/Lehre/GIS/WS1415/Skript/GIS_WS14_04_part2.pdf 

PostGIS in PostgreSQL:
http://postgis.net/workshops/postgis-intro/indexing.html 

GeoHash: http://geohash.org/

GeioHash @ Wikipedia: https://en.wikipedia.org/wiki/Geohash

Engineering Kiosk Episode #146 Warum ist Doom so faszinierend
für die Software-Entwicklung?:
https://engineeringkiosk.dev/podcast/episode/146-warum-ist-doom-so-faszinierend-f%C3%BCr-die-software-entwicklung/

SpatiaLite:
https://www.gaia-gis.it/fossil/libspatialite/index

Gridfile: https://de.wikipedia.org/wiki/Gridfile

Quadtree: https://de.wikipedia.org/wiki/Quadtree

k-d-Baum: https://de.wikipedia.org/wiki/K-d-Baum




Sprungmarken

(00:00:00) Indizes für Geospatial Data


(00:02:54) Was ist Spatial bzw. Geo Spatial?


(00:05:06) Info/Werbung


(00:06:06) Was ist Spatial bzw. Geo Spatial?


(00:17:43) Grid Files


(00:21:46) KD Trees und Quad Trees


(00:31:43) R-Tree


(00:41:29) PostGIS, GeoHash und die Z-Kurve


(00:51:26) Welche Libraries kommen zum Einsatz?



Hosts

Wolfgang Gassler (https://mastodon.social/@woolf)

Andy Grunwald (https://andygrunwald.com/)




Feedback

EngKiosk Community:
https://engineeringkiosk.dev/join-discord 

Buy us a coffee: https://engineeringkiosk.dev/kaffee

Email: stehtisch@engineeringkiosk.dev

LinkedIn: https://www.linkedin.com/company/engineering-kiosk/

Mastodon: https://podcasts.social/@engkiosk

Twitter: https://twitter.com/EngKiosk